基于近红外光谱的冻融猪肉糜鉴别模型研究

摘要:

目的 建立基于近红外光谱的定性分析模型, 实现对冻融猪肉糜的判别。方法 采用近红外光谱分析技术对新鲜猪肉糜和不同冻融次数猪肉糜分别进行无损鉴别, 建立了窄神经网络(narrow neural network, NNN)、线性判别(linear discriminant, LD)、支持向量机(support vector machine, SVM)和子空间判别(subspace discriminant, SD) 4 种不同的判别模型, 并对所建立的模型性能采用正确判别率、混淆矩阵(confusion matrix, CM)、受试者工作特征曲线(receiver operating characteristic curve, ROC)和曲线下面积(area under the curve, AUC) 4 个指标进行评价。结果 基于 SD 建立的判别模型较优, 其预测集正确判别率为96.2%, 高于基于 LD (94.3%)、NNN (79.0%)和 SVM (54.8%)所建的判别模型正确判别率, 并且其 CM、ROC 和 AUC 均显示基于SD 所建判别模型对于冻融猪肉糜分类的优越性。 结论 本研究建立的近红外光谱技术结合 SD 模型对冻融猪肉糜的鉴别能力较强, 可为工业化在线检测方法的开发提供技术支撑。

关键词:猪肉糜; 冻融次数; 近红外光谱; 子空间判别; 混淆矩阵

Abstract:

Key words:猪肉糜; 冻融次数; 近红外光谱; 子空间判别; 混淆矩阵